买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽理工大学

摘要：本发明公开一种基于VMD‑DCNN‑SVM的Buck电路故障诊断方法，首先对Buck的输出电压进行采集，作为训练数据，然后利用GWO优化后的VMD将训练数据分解得到IMF分量。对IMF分量进行重构得到多维矩阵，将多维矩阵输入到深度卷积神经网络，提取故障信号特征，将DCNN提取的故障信号特征输入到由GWO优化后SVM诊断模型中进行训练。将电路实时工作时采集到的故障信号输入到优化后的GWO‑VMD进行分解，将分解得到的IMF分量构造成多维矩阵，输入DCNN中提取特征，将提取的特征输入到已经训练完成优化后的GWO‑SVM中进行故障诊断，优化后的GWO‑SVM诊断模型的输出即为故障诊断的结果。

主权项：1.一种基于VMD-DCNN-SVM的Buck电路故障诊断方法，其特征在于，包括以下步骤：1采集Buck电路的输出电压作为故障信号，确定待诊断的故障类型；2利用灰狼算法GrayWolfOptimize，GWO对变分模态分解VariationalModeDe-composition,VMD中的模态分量数k和二次罚因子α进行优化，以最小包络信息熵Minimumenve-lopeentropy，MEE作为GWO算法的适应度函数，使用优化后的GWO-VMD对训练数据进行模态分解得到IMF分量；3将步骤2中每个IMF分量作为矩阵的一个行向量，利用得到的IMF分量进行构造得到多维矩阵；4初始化深度卷积神经网络DeepConvolutionalNeuralNetworks，DCNN的网络参数，将步骤3中得到的多维矩阵输入到深度卷积神经网络，提取故障信号特征；5利用GWO对支持向量机SupportVectorMachine，SVM的惩罚因子和核函数进行优化，将DCNN提取的故障信号特征输入到优化后的GWO-SVM诊断模型中进行训练，训练后得到的诊断模型作为最终诊断模型；6将电路实时工作时采集到的故障信号利用步骤1中优化后的GWO-VMD进行分解，将分解得到的IMF分量构造成多维矩阵，输入到步骤4中的DCNN模型中提取故障信号特征，将提取的故障信号特征输入到步骤5中训练完成所建立的优化后的GWO-SVM诊断模型中进行故障诊断，优化后的GWO-SVM诊断模型的输出即为故障诊断的结果。

全文数据：

权利要求：

百度查询： 安徽理工大学 基于VMD-DCNN-SVM的Buck电路故障诊断方法